使用Solr配置Tika

Question

我正在尋找將索引類型豐富的文檔（Pdf，Doc，rtf，txt）編入Solr。我發現Tika是一種解決方案。我在網上做了一個咆哮，但沒有找到任何Docs /鏈接來使它與ExtractingRequestHandler一起工作。

任何人都可以請提供一步一步的方式來配置Tika與ExtractingRequestHandler。

感謝提前:)

Answer 1

檢查ExtractingRequestHandler與提卡Solr的集成。
Solr提供了tika.config內置的，你不需要定義它，除非重寫配置。
您可以用默認配置走在solrconfig.xml中

<!-- Solr Cell Update Request Handler 

    http://wiki.apache.org/solr/ExtractingRequestHandler 

--> 
<requestHandler name="/update/extract" 
       startup="lazy" 
       class="solr.extraction.ExtractingRequestHandler" > 
<lst name="defaults"> 
    <str name="lowernames">true</str> 
    <str name="uprefix">ignored_</str> 

    <!-- capture link hrefs but ignore div attributes --> 
    <str name="captureAttr">true</str> 
    <str name="fmap.a">links</str> 
    <str name="fmap.div">ignored_</str> 
</lst> 
</requestHandler> 

可以使用命令來索引文件與其他元數據到Solr定義。

curl "http://localhost:8983/solr/update/extract?literal.id=2&literal.title=Test&commit=true&fmap.content=text" -F "myfile=@1.pdf" 

默認情況下，文件的內容被複制到內容字段並複製到文本中，您可以覆蓋設置。